Python 在numpy中使用矩阵的有效方法是什么

假设我有一个numpy矩阵，如：

In [66]: data = np.arange(6).reshape(2,3)

In [67]: data
Out[67]: 
array([[0, 1, 2],
       [3, 4, 5]])

In [68]: type(data)
Out[68]: numpy.ndarray

我想得到数据[0，：].T（它应该是一个3×1的矩阵）和数据[1，：]的乘积（它应该是一个1×3的矩阵），结果应该是3×3的矩阵

因此，我写道：

M = np.dot(data[0,:].T, data[1,:])

但这给了我一个数字，而不是3乘3的矩阵

我注意到numpy.ndarray中的切片给了我一个1D数组，因此数据[0，：].T，数据[1，：]都是三元素数组，点积只是元素积的总和

In [92]: data[0,:].T.shape
Out[92]: (3L,)

In [93]: data[1,:].shape
Out[93]: (3L,)

In [94]: np.dot(data[0,:].T, data[1,:])
Out[94]: 14

然后，我发现我可以使用numpy.matrix将数据转换为矩阵场景，然后执行切片和点积，这很有效

然而，我不太确定这种转换的效率。由于我需要处理大规模矩阵，效率是我关心的问题

---

所以，我的问题是，对于我的情况，在切片上执行点积的最佳方式是什么？

1x3和3x1的乘积是1x1，而不是3x3。但是，

data[0，：]

和

data[1，：]

都是一维数组，而不是二维矩阵。这是因为严格来说，数据不是矩阵，而是二维数组

如果你想要一个3x3，你必须以另一个顺序（3x1乘以1x3）乘以矩阵。对于如何做到这一点，您有几个选择。一种是使用列表索引以二维数组的形式获取行（一行）：

另一种可能是将

数据

做成一个numpy矩阵（而不是一个ndarray）：

然后，您可以更直接地执行该操作：

>>> data[1, :].T * data[0, :]
matrix([[ 0,  3,  6],
        [ 0,  4,  8],
        [ 0,  5, 10]])

（请注意，如果使用矩阵，则可以使用

*

进行矩阵乘法。）

---

这是因为numpy矩阵返回矩阵，即使得到的切片可以“压缩”到较低的维度；Ndarray进行压缩，因此从2D数组中获取一行将返回1D数组，而不是1xN数组。

1x3和3x1的乘积是1x1，而不是3x3。但是，

data[0，：]

和

data[1，：]

都是一维数组，而不是二维矩阵。这是因为严格来说，数据不是矩阵，而是二维数组

如果你想要一个3x3，你必须以另一个顺序（3x1乘以1x3）乘以矩阵。对于如何做到这一点，您有几个选择。一种是使用列表索引以二维数组的形式获取行（一行）：

另一种可能是将

数据

做成一个numpy矩阵（而不是一个ndarray）：

然后，您可以更直接地执行该操作：

>>> data[1, :].T * data[0, :]
matrix([[ 0,  3,  6],
        [ 0,  4,  8],
        [ 0,  5, 10]])

（请注意，如果使用矩阵，则可以使用

*

进行矩阵乘法。）

---

这是因为numpy矩阵返回矩阵，即使得到的切片可以“压缩”到较低的维度；Ndarray进行压缩，因此从2D数组中获取一行将返回1D数组，而不是1xN数组。

1x3和3x1的乘积是1x1，而不是3x3。但是，

data[0，：]

和

data[1，：]

都是一维数组，而不是二维矩阵。这是因为严格来说，数据不是矩阵，而是二维数组

如果你想要一个3x3，你必须以另一个顺序（3x1乘以1x3）乘以矩阵。对于如何做到这一点，您有几个选择。一种是使用列表索引以二维数组的形式获取行（一行）：

另一种可能是将

数据

做成一个numpy矩阵（而不是一个ndarray）：

然后，您可以更直接地执行该操作：

>>> data[1, :].T * data[0, :]
matrix([[ 0,  3,  6],
        [ 0,  4,  8],
        [ 0,  5, 10]])

（请注意，如果使用矩阵，则可以使用

*

进行矩阵乘法。）

---

这是因为numpy矩阵返回矩阵，即使得到的切片可以“压缩”到较低的维度；Ndarray进行压缩，因此从2D数组中获取一行将返回1D数组，而不是1xN数组。

1x3和3x1的乘积是1x1，而不是3x3。但是，

data[0，：]

和

data[1，：]

都是一维数组，而不是二维矩阵。这是因为严格来说，数据不是矩阵，而是二维数组

如果你想要一个3x3，你必须以另一个顺序（3x1乘以1x3）乘以矩阵。对于如何做到这一点，您有几个选择。一种是使用列表索引以二维数组的形式获取行（一行）：

另一种可能是将

数据

做成一个numpy矩阵（而不是一个ndarray）：

然后，您可以更直接地执行该操作：

>>> data[1, :].T * data[0, :]
matrix([[ 0,  3,  6],
        [ 0,  4,  8],
        [ 0,  5, 10]])

（请注意，如果使用矩阵，则可以使用

*

进行矩阵乘法。）

---

这是因为numpy矩阵返回矩阵，即使得到的切片可以“压缩”到较低的维度；Ndarray进行压缩，因此从2D数组中获取一行将返回1D数组，而不是1xN数组。

1x3和3x1的乘积是1x1，而不是3x3。此外，

数据[0，：]

根本不是矩阵——它的形状是

（3，）

。要获得您想要的（外部产品），您需要传递带有形状

（3，1）

和

（1，3）

的数组。要挑剔一点，您使用的是2d数组。矩阵是不同的数据类型。1x3和3x1的乘积是1x1，而不是3x3。而且，

data[0，：]

根本不是矩阵——它的形状是

（3，）

。要获得您想要的（外部产品），您需要传递带有形状

（3，1）

和

（1，3）

的数组。要挑剔一点，您使用的是2d数组。矩阵是不同的数据类型。1x3和3x1的乘积是1x1，而不是3x3。而且，

data[0，：]

根本不是矩阵——它的形状是

（3，）

。要获得您想要的（外部产品），您需要传递带有形状

（3，1）

和

（1，3）

的数组。要挑剔更多，您使用